大家好，今天给大家分享一下最新版本OpenCV4.8如何编译支持CUDA加速，实现深度学习模型部署速度提升。

软件版本支持

CMake3.13 或者以上版本
https://cmake.org/
VS2017专业版或者以上版本
3050ti + CUDA11.3
OpenCV4.8源码包
https://github.com/opencv/opencv/releases/tag/4.8.0
OpenCV4.8 扩展模块源码包
https://github.com/opencv/opencv_contrib/releases/tag/4.8.0

把OpenCV4.8与OpenCV4.8扩展包都解压缩到D盘，目录分别如下：

D:\opencv-4.8.0
D:\opencv_contrib-4.8.0

编译生成

打开CMake，设置好如下的目录选项

然后点击【Configure】弹出对话框如下：

点击【Finish】完成 配置生成。然后点击【Generate】完成生成。
然后设置扩展模块路径

设置完成以后，搜索CUDA关键字，全部勾上相关选项之后继续点击【Configrure】，运行完成以后，再次搜索CUDA关键字，选择如下：

点击【Generate】，生成如下：

从newbuild文件夹中选择OpenCV.sln 工程文件 双击打开如下：

然后切换到Release模式，点击INSTALL右键生成，等待两个小时以后基本上会完成编译，我最终完成编译之后的结果。

技巧提示：

1.无法下载第三方文件，请手动下载以后放到source/.cache文件夹内相关位置即可。
2.无需编译 xFeature2D、FaceModel、Test等模块（不然需要翻墙下载一些依赖包），统统取消勾选（默认是勾选的） 配置运行测试

重新配置好OpenCV + CUDA的支持，修改包含目录、库目录、链接器，然后设置好新的环境变量路径。启动VS2017，运行OpenCV的人脸检测案例，运行结果如下：

运行YOLOv8 姿态评估模型，效果如下（只有OpenCV4.7版本以后才支持该模型部署运行）

其中在OpenCV中启用GPU推理执行，需要设置下面两行代码：

net.setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA);
net.setPreferableTarget(cv::dnn::DNN_TARGET_CUDA);

总结

OpenCV4支持通过GPU实现CUDA加速执行，实现对OpenCV图像处理程序的加速运行，当前支持加速的模块包括如下：

- 图像背景分割
- 视频编解码
- 特征2D
- 卷积滤波
- 图像处理
- 对象检测
- 光流
- 双目视觉
- 深度神经网络

基本上包含了OpenCV图像处理的主要功能，这里有一个地方需要特别注意，就是编译时候选择不同的CUDA版本，对上述模块的支持略微不同。更多OpenCV CUDA函数使用知识可以参考本人新书：
七折优惠专属《OpenCV应用开发：入门、进阶与工程化实践》